1. 编程语言：熟练掌握 Python，具备扎实的工程化开发能力（模块设计、异常处理、异步编程、单元测试），熟悉 FastAPI / Flask 等后端框架者优先；了解 Node.js 者优先。 2. Agent 开发经验：熟悉智能体开发的完整流程，理解 ReAct、Plan-and-Execute 等推理与执行范式，具备 OpenClaw、Hermes、DSH 等智能体框架或平台的项目开发经验者优先。 3. RAG 技术栈：熟悉 RAG 及 GraphRAG 的技术流程与实践案例，掌握 Embedding、向量数据库（如 Milvus / FAISS / Qdrant）、知识图谱构建（实体抽取、关系抽取）与混合检索融合方案，有实际落地案例者优先。 4. Docker 运维：掌握 Docker 的日常运维与部署，能独立完成镜像构建（Dockerfile 编写与优化）、容器启动与管理、镜像仓库使用（拉取/推送/版本管理）、数据卷与网络配置等操作；熟悉 Git 与 Linux 基本操作。 5. 具备良好的问题定位与排查能力，能独立完成从开发到部署上线的闭环。 加分项 1. 有 Node.js / TypeScript 开发经验，能进行全栈开发。 2. 有 NL2SQL、Text2SQL 或企业级数据智能问答项目的实践经验。 3. 有 Agent 评估体系建设经验（评估指标设计、自动化评测、可观测性工具如 LangSmith）。 PS：岗位面试通过，需要近期到广州实习3个月~ 1. 负责智能体（Agent）产品的架构设计、核心功能开发与迭代，覆盖从需求分析、方案设计、编码实现到上线运维的全流程。 2. 基于 RAG / GraphRAG 技术栈，设计并优化知识检索与问答链路，包括文档解析、切片策略（Chunking）、向量化（Embedding）、召回与重排序（Rerank）、知识图谱构建与多跳推理（Multi-hop Reasoning）等环节的工程落地。 3. 参与 Agent 的规划（Planning）、工具调用（Tool Use / Function Calling / MCP）、记忆（Memory）与多轮对话等核心模块的开发，支持多智能体协同与工作流编排，持续优化 Agent 的任务成功率。 4. 负责智能体相关服务的容器化部署与运维，包括 Docker 镜像构建、容器编排、服务发布、日志监控与故障排查，保障线上服务稳定性。 5. 与算法、产品团队协作，将大模型能力（LLM / RAG / Agent 框架）转化为可交付的业务功能，并编写相关技术文档。